一个典型的量化交易系统至少要有五个任务模块，它们分别是量化选股、组合优化、量化配置、交易实施以及风险控制。量化选股模块主要对股票进行筛选，按照不同的客户需求和风险偏好能够构建不同的选股模型;组合优化模块就是对选出的股票进行权重配置，它的目的是在分散风险的同时得到更大的预期收益;量化配置模块就是通过对股票以及债券等其他资产进行动态配置，来实现不同的投资目的;交易实施模块就是通过程序化的优化交易，以很少交易成本达成既定策略;风险控制模块就是对投资的各个模块加以风险监控。五个模块彼此之问互相作用，共同影响最终的交易效果，其中，量化选股是交易的第一步。也是非常重要的一步。    量化选股就是运用数量化的方法选择股票组合，希望该股票组合能够获取超越基准收益率的投资行为。总的来说，量化选股策略可以分为两类策略:一是基本面选股;二是市场行为选股。

基本而选股主要包括多因子模型、风格轮动模型以及行业轮动模型。市场行为选股主要包括资金流模型、一致预期模型、动量反转模利、趋势迫踪模型以及筹码选股模型。

1.多因子模型量化选股

多因子模型是一种使用最广泛的选股模型，其原理是利用一系列的因子当作选股标准，满足这些因子的股票就被买入，不满足的就卖出。多因子模型相对而言比较稳定，山于在不同市场条件之下，总是会有一些因子发挥作用。

所以，在量化投资界，不同的交易者和研究者均开发了许多不同的多因子模型。各种多因子模型最重要的区别:一是在因子的选取上;二是在如何应用多因子综合获得一个最终的判断。

通常来说，多因子选股模型有两种判断方法:第一是打分法:第二是回归法。

打分法是按照各个因子的大小对股票加以打分，接若根据一定的权重加权获得一个总分，依据总分再对股票加以筛选。

回归法是利用以前的股票的收益率对多因子加以回归，获得一个回归方程，此后再将最新的因子值代人回归方程获得一个对未来股票收益的预判，接着再以此为依据进行选股。

多因子选股模型的构建过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立、模型的评价及持续改进5个步骤。

(1)候选因子的选取。候选因子很有可能是一些基本面指标.比如PB、PE、EPS增长率等，也极有可能是一些技术面指标，比如换手率、动量、波动等，或是其他指标，比如，分析师一致预期变化、预期收益增长以及宏观经济变量等。候选因子的选择主要依靠经济逻辑以及市场经验，然而选择更多和更有效的银子必然是增强模型信息捕获能力，提升获利的最重要因素之一。

(2)选股因子有效性的检验。通常检验方法主要运用排序的方法检验候选因子的选股有效性。具体来说，对于任何一个候选因子，在模型形成期的第一个月之初开始计算市场中每只正常交易股票的该因子的大小，按照从小到大的顺序对样本股票加以排序，并且平均分为n个组合，一直持有至月末，在下月之初再按照同样的方法重新构建n个组合并持有至月末，每月都是这样，一直重复至模型形成期末。

(3)有效但冗余因子的剔除。不一样的选股因子可能是因为内在的驱动因素大致相似等原因，所选出的组合在个股构成和收益等方面具有很高的一致性，所以其中的一些因子必须作为冗余因子剔除，而只保留同类因子中收益最好、区分度最高的一个因子。如果需要选出k个有效因子，样本期一共m月，则具体的冗余因子剔除步骤为:

①首先对不同因子下的n个组合加以打分,分值与这个组合在整个模型形成期的收益相关，收益越大，分位越高。②按照月计算个股的不同因子得分间的相关性矩阵。③在计算完每月因子得分相关性矩阵之后，计算整个样本期内相关性矩阵的平均值。④设定一个得分相关性闭位(Min Score Corr)，把得分相关性平均位矩阵中大于该阈值的元素所对应的因子只是保留与其他因子相关性很小、有效性更强的因子，而其他因子就作为冗余因子剔除。

(4)综合评分模型的建立。综合评分模型选取去除冗余之后的有效因子，在模型运行期的每个月之初对市场中正常交易的个股计算每个因子的最新得分并按一定的权重得出所有因子的平均分。假如有的因子在某些月份可能无法取值(例如，有的个股因缺少分析师预期数据无法计算预期相关因子)，则按照剩下的因子分值求加权平均。最后，依据模型所得出的综合平均分对股票加以排序，此后依据需要选择排名靠前的股票。比如，选取得分最高的前20%股票，或是选取得分最高的50-100只股票等。

(5)模型的评价及持续改进。一是因为量化选股的方法是建立在市场无效或弱有效的前提条件下。随着运用多因子选股模型的投资者数量的不断增加，有些因子会渐渐失效，而另一些新的因素可能被验证有效而加入到模型之中;二是有一些因子可能在以前的市场环境下比较有效，而随着市场风格的变化，这些因子很可能短期内失效，而另外一些以前无效的因子会在目前市场环境下表现较好。

此外，计算综合评分的过程中，各因子得分的权重设计、交易成本考虑以及风险控制等都存在进一步改进的空间。所以在综合评分选股模型的应用过程中会对选用的因子、模型本身作出持续的再评价和不断地改进来适应变化的市场环境。

2.风格轮动模型量化选股

风格轮动模型就是运用市场的风格特征加以投资，比如有些时候市场偏好小盘股，有些时候市场偏好大盘股，假如是风格转换的初期介入，那么能够获得巨大的利润。

在宏观经济表现强劲的时候，小市值公司有一个很好的发展环境，容易成长壮大，甚至还会比经济增速的表现要高一些，所以，小盘股表现突出的概率就会高于大盘股。如果经济走弱的时候，由于信心不足以及将来市场的不确定性，交易者很可能会倾向于选择大盘股，能够起到防御作用，即便货币走强、低通货膨胀，也不能够冒险去选择小盘股。

风格转换策略模型事实上是建立在许多基本预测变量的基础上，寻找一个适合于风格转换的合理模型。主要有三种方法。

(1)把风格相对收益率对相关变量加以回归。然而由于建立精确关系很困难,所以此方法基本被排除。

(2) Markov Switch模型。这个模型主要关注相对收益率的历史表现(按照Levist的变量分类方法，这些指标主要是技术变量)，并不关注其他从本经济变量，所以该方法可能遗漏了不少可用信息。

(3) Logistic概率模型。在任何时点，风格转换的结果有两种:转换和不转换。假如预期下期某类风格占优，那么将现有风格转化为占优的风格。

大小盘风格轮动因子方面可以选择下而三个指标。

(1) M2同比增速。M2同比增速是货币因素，它是表示市场流动性的强弱。当流动性趋向宽松的时候，小盘股相对来说极易受到资金的追捧。

(2) PPI同比增速。PPI则反映生产环节价格水平，是衡量通货膨胀水平的很重要指标;并且PPI通常被看作PPI的先行指标。

(3)大小盘年化波动率之比的移动均位。波动率是表明股票的波动程度，同时也在某些程度上反映交易者情绪:而大小盘年化波动率之比可以反映出一段时间之内大小盘风格市场情绪的谁强谁弱，而且经过移动平滑处理之后的数值就会更稳定。

  3.行业轮动模型量化选股

行业轮动与风格轮动相似，是因为经济周期的因素。总会有一些行业先开启，有些行业跟随。在经济周期过程当中，按照次序对这些轮动的行业进行配置，那么比买入持有策略有更好的效果。

数据和轮动策略的建立。

(1)信息的同步性。必须考虑到M2的披露时间和信息的传导时间，一切投资时段都滞后了一个月的时间。

(2)组合的构成策略。在货币政策处于扩张的时候等权重配置周期性行业，紧缩的时候等权配置非周期性行业。

4.资金流量化选股

资金流量化选股的基本原则是运用资金的流向来判断股票的涨跌，假如资金流入，股票必然会上涨;假如资金流出，则股票一定会下跌。因此把资金流入、流出的情况编成指标，就能够利用该指标来判断在一段时间内股票的涨跌情况了。

依据资金流各种指标的特点，在选股模型中运用较简单的方法，即为指标排序打分的方式来选出股票。首先通过对各个资金流指标加以排序打分，接着把股票对应各个指标的得分进行求和，最后以总得分值大小来选出股票，有如下四个步骤:

第一步，首先确定待选股票池。

选择组合构建的时候剔除上市不满一个月的股票，剔除调仓期涨跌停和停牌的股票，防止因涨跌停很难交易。剔除信息含量小于10%的股票，由于这部分股票信号不明显，很难获得有效信息。

第二步，构建股票组合。

(1)指标打分。先把待选股票池中股票根据各个指标加以排序，接着运用百分制整数打分法进行指标打分，即为以股票在各个指标中，所处位置的百分数当作股票对于该指标的得分，前1%得分是1，依次递减，最后1%得分是100。

(2)求和排序。把股票相对于各个指标的得分进行求和，把和值从小到大进行排序，并分组比较;此外，选出排名靠前的N只股票来构建组合。

(3)股票权重。可以运用等量权重。

第三步，组合定期调整。

调整时间从1-3个月不等。持有到期之后，运用更新后的指标数据重新确定待选股票池，重复第二步打分求和过程，并把股票按照指标得分从小到大排序，把原来分组中组合中跌出组合的股票剔除，调入新的股票，同时把新组合内样本股的权重调整到相等。

第四步，统计检验。

分别计算各个组合的收益率状况来衡量组合的效果。

5.动量反转模型量化选股

动量反转模型指的是股票的强弱变化情况，过往一段时间表现强的股票，在将来一段时间持续保持强势;过往一段时问表现弱的股票，在将来一段时间持续保持弱势，这被称为动量效应。过往一段时间表现强的股票在将来一段时间会走弱，过往一段时间弱势的股票在将来一段时间会走强。这被称为反转效应。假如，判定动量效应会继续，那就应买入强势股;假如判断会出现反转效应，那就应买入弱势股。

从量化投资的角度来看，积极型股票交易者的目标可以理解为寻找正的Alpha动量，这个过程往往是通过基本面分析来完成。而动量模型的目标是通过数量方法寻找到股票继续的正的Alpha,量化交易方法可以观测到大多数交易者不容易观测到的股票细微变化，同时也能够观察更多的股票，迅速建立投资股票池，帮助交易者选择股票。

在正常情况之下股票的Alpha不会长期继续不为0。这是由于一只股票假如估值有偏差，则在被人发现之后，Alpha就会很快归零。股票通常不会总是被低估或是高估，它的Alpha有的时候表现为正，有的时候表现为负，这也是为什么运用常规的方法在市场中往往无法发现股票具有明显持续的Alpha。

所以动量策略的目标是从股票市场上千只股票的大海中筛选出这样的股票，当它出现正(负)的阿尔法时，此后的阿尔法也会为正(负)。找到之后，就能够采用相应的策略进行交易，所以这种筛选股票的策略称为阿尔法动量策略。

6.一致预期量化选股

一致预期就是指市场上的交易者可能会对某一些信息产生一致的看法，比如许多分析师看好某一只股票，可能这个股票在将来一段时间会上涨;假如许多分析师看空某一只股票，可能这只股票在将来一段时间会下跌。一致预期策略则是运用绝大多数分析师的看法来进行股票的买入、卖出操作。

7.趋势追踪量化选股

趋势追踪则属于图形交易的一种，它指的是当股价出现上涨趋势时候，就应该追涨买入;假如出现下跌趋势的时候，那么应该杀跌卖出，事实上是一种迫涨杀跌策略。判断趋势的指标有许多种，包括E-MA、MACD、MA等，其中最简单也是最有效的就是均线策略。

8.筹码量化选股

筹码选股则是另外一种市场行为策略。其基木原则是，假如主力资金要抬高一只股票，则就会缓慢地收集筹码;假如主力资金要卖出一只股票，那么就会慢慢分派筹码，因此依据筹码的分布和变动情况，就能够预测股票在将来的时间里是上涨还是下跌。

有关量化选股业绩评价必须从两个方面进行考虑，一是收益率;二是风险指数，只是收益率高的策略并不一定能够成为最好的策略，必须综合考虑收益率和风险情况才能判断一种选股策略的好坏。量化选股必须考虑的是在承担多大的风险情况下的收益率情况。